MétaCan
Menu
Retour à la cohorte
Enregistrement W22063593 · doi:10.1016/j.meatsci.2008.03.026

Une approche de localisation de symboles non-segmentés dans des documents graphiques

2009· article· en· W22063593 sur OpenAlexvenueno aff
Thi-Oanh Nguyen, Salvatore Tabbone, Alain Boucher, Oriol Ramos Terrades

Notice bibliographique

RevueTraitement du signal · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage Retrieval and Classification Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSymbol (formal)SpottingSearch engine indexingArtificial intelligencePattern recognition (psychology)Information retrieval

Résumé

récupéré en direct d'OpenAlex

Eighty four steers were randomly assigned to three pasture treatments with increasing levels of grain (T1: 0%; T2: 0.6%; T3: 1.2% of live weight) and to an ad libitum concentrate treatment, T4, to study the effects on carcass and meat quality. Animals were slaughtered with 500 kg of average live weight per treatment. Average daily gain increased with increasing levels of energy, determining different slaughter dates. Intermediate treatments showed higher carcass weight than T1. T4 and T3 had a higher weight of valuable cuts than T1 and T4. Pistolas from T4 had a higher fat proportion and lower bone percentage. Increasing levels of energy in diet decreased fat yellowness. After 20 days of aging, T4 had the lowest muscle a(∗) values and shear force was higher for T4 than for T1. With pastures finishing strategy, no adverse effects on meat quality were detected and tenderness was enhanced.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil0,608

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,260
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraitement du signalMême sujetImage Retrieval and Classification TechniquesTravaux en français237 207